PulseAugur
中
实时 10:49:22
实体 Sequence Likelihood-Free Policy Optimization

Sequence Likelihood-Free Policy Optimization

PulseAugur coverage of Sequence Likelihood-Free Policy Optimization — every cluster mentioning Sequence Likelihood-Free Policy Optimization across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_327068 ·

    新的LFPO框架高效对齐Diffusion LLM

    研究人员开发了一个名为序列无似然策略优化(LFPO)的新框架,以应对对齐Diffusion大型语言模型(dLLMs)的挑战。与以往在棘手的序列级似然方面遇到困难的方法不同,LFPO将策略对齐表述为离散速度对齐。该方法通过对比性token级更新直接优化去噪logits,提供了一种稳定且低方差的替代方案。实验表明,LFPO在推理和编码基准测试上达到了与现有方法相当或更优的准确性,同时显著加快了推理速度。